Mercury 3 対 NVIDIA Nemotron 3.5 Super VL 120B-A12B：速度の主張は一方が測定済み、他方は未測定

Mercury 3とNVIDIA Nemotron 3.5 Super VL 120B-A12Bは、どちらも速さを売りにしている。その速度の主張のうち、外部の第三者によって検証されているのは一方だけだ。Artificial Analysisは独自のハーネスでNemotron 3.5 Super VLを毎秒434.3出力トークンと測定している。Inception Labsが2026年10月19日にリリースしたMercury 3は毎秒1,068トークンを主張しているが、10月20日時点でそのインデックスにはMercury 3のページがまったく存在しないため、この数値を裏付ける第三者は存在しない。この対決で実際の判断材料となるのは、仕様表ではなく、この非対称性だ。 このようなリリースの背景にある、記録されたAIの障害やエージェントのインシデントは、OrcaRouter AI Incident Archiveにまとめられており、各エントリには独自の情報源、重大度、信頼度グレード、異議ありフラグが付いています。

一部のチームにとってより重要な2つ目の非対称性がある。Nemotronはダウンロード可能で、自社のハードウェア上で動作し、ポストトレーニングも可能だ。Mercury 3は重みを持たないAPI製品である。一方は調達上の判断であり、もう一方はデプロイプロジェクトであり、ベンチマークの表は、実際にどちらが必要なのかを判断するための手引きとしては不十分だ。

両ベンダーが一致している数値と、一致していない数値

まず、その2つが違って見えなくなる行から始めてください。というのも、そのうちのいくつかは本当に同じなのです。

• コンテキスト — どちらも100万トークンで規定されています。Mercury 3はそれに131,072トークンの出力上限を組み合わせており、Nemotronのカードには、プロンプト、画像、履歴、ツールの結果、および回答にわたる共有ウィンドウとして最大100万トークンが記載されています。

• 出力 — テキスト出力、両方とも。いずれも画像や音声を生成しません。

• 入力 — ここが両者の分かれ目です。Nemotronはテキスト、RGB画像、最大2分のMP4動画を扱います。Mercury 3はテキストのみを扱います。

• 価格 — Mercury 3 はローンチ期間中、入力100万トークンあたり$0.10、出力100万トークンあたり$0.35で、その後はリスト価格の$0.20と$0.70に戻ります。Nemotronにはベンダーの料金表がまったくありません。存在するのはArtificial Analysisのコスト計算シートで、現在は入力$0.225、出力$0.575（100万トークンあたり）、78%のキャッシュ割引、およびIntelligence Indexタスクあたり$0.19のコストとして計上しています。

• 重み — Mercury 3 の重みは公開されておらず、Inception はそれらを公開する約束をしていません。Nemotron の重みは OpenMDW-1.1 の下で Hugging Face にあり、フル精度および NVFP4 のチェックポイントが提供されています。

その最後の行こそが、現実の評価の大半を決めるものであり、1秒あたりのトークン数とは何の関係もありません。

独立した指標を過剰に読み込むことなく読む

NVIDIAは2026年10月15日にNemotron 3.5 Super VLをリリースした。同じ週に最初の独立系スコアボードが登場したとき、そこにはIntelligence Index 26が記載され、速度の列があるべき場所は空白だった。現在このページには両方が掲載されている。Index v4.3.2で26、そして毎秒434.3出力トークンであり、これは比較クラス内の28モデルの中で第1位となる。また、このインデックス実行全体で1億7000万トークンを生成したのに対し、中央値は1億トークンであり、ページではこれをやや冗長と表現している。

これらはそのインデックス自身の測定値であり、独自のハーネスで実行されたもので、どの単一のベンチマークスイートにも通じる価値しかない。つまり、NVIDIAの従業員ではない人物によって収集された再現可能な数値だ。26が意味することと、意味しないことに注意してほしい。このページ自体の比較テキストでは、40B–150Bクラスの同等のオープンウェイトモデルの中央値8と比較している。したがって、これは同重量クラス内では強い結果であり、サイズを問わないフロンティアモデルと比べれば控えめな結果だ。ページ冒頭に表示される「67件中1位」という順位は、フィルタリングされたクラス内での順位であり、全体での位置づけではない。「ナンバーワン」とフィルターなしで引用する人は、フィルターを引用しているにすぎない。

さて、もう一方の側です。Inceptionの発表記事は3つの定量的な主張をしています。NVIDIA GPUで毎秒1,068トークン、100万コンテキスト、そして定価の半額というローンチ価格です。品質に関する数値的な主張は一切していません。その代わりに、Mercury 3は「GPT-6 LunaとClaude Haiku 5.5を上回る」と述べています。どちらも速度最適化モデルであり、レイテンシー製品にとっては正しい比較対象ですが、マージン、ベンチマーク名、タスク別結果を示さずに述べられています。また、Mercury 3はInception自身のWebエージェントハーネス内で、実際のMind2Webナビゲーションタスク50件のうち50%を完了したとも報告しており、これは「GPT-6.1-Solより有意に多い」とされています。ベンダーのハーネスでの50タスクはシグナルであり、26と並べられる測定値ではありません。

つまり、品質に関する証拠を正直に比較するとこうだ。一方のモデルには第三者インデックスのスコアがあり、もう一方にはベンダーの一文があるだけだ。だからといって Mercury がより弱いモデルになるわけではない。それは Mercury が測定されていないモデルだということになり、未測定であることは低スコアであることとは別のリスクカテゴリーなのだ。

オープンウェイト側を実際に動かすのにいくらかかるのか

Nemotron 3.5 Super VLは、120BパラメータのMixture-of-Expertsモデルで、トークンあたり12Bがアクティブ、MoE層あたり512個のルーテッドエキスパートを備え、Mamba-2、アテンション、MoE層を交互に配置するハイブリッドバックボーンに、C-RADIOビジョンエンコーダをコネクタ経由で接続しています。NVIDIAはこれを2つの精度ティアで提供しており、その間の差が今回のリリースで最も有用な数値です。

• BF16 — 64個のsafetensorsシャード、約231.8 GiB。NVIDIA自身のサービングレシピは、H100 4台でテンソル並列4、またはGB200 2台でTP2です。

• NVFP4 — 量子化を考慮した蒸留による4ビットの重みと活性化。このカードには、DGX Spark 1台、H200 1台、H100 2台、または GB200 1台でのデプロイメントが記載されています。

120BモデルがBF16で4台ではなく4ビットで2台のH100に収まるというのは、購入判断の話が別になるということであり、だからこそベンダーが効率的なサービング向けに推すのは量子化済みチェックポイントなのです。NVIDIAが公開していないのは、この2つの構成間の精度の比較です。これは学習手法に関する主張、つまり学習中の蒸留が量子化ギャップを埋めるという主張であり、実測比較ではありません。そのギャップが判断の鍵になるなら、答えはリポジトリにはありません。

ライセンスは、マーケティングの文言ではなくその先を読む価値がある。ブログ記事には「オープンウェイト」とあるが、カードのフロントマターにはlicense: other、license_name: openmdw-1.1と記されており、OpenMDW License Agreement 1.1に準拠している。商用利用は許可されており、カードにもそのことが明記されている。Apache 2.0ではないため、組織が承認済みライセンス一覧を維持しているなら、GPUの見積もりを取る前に確認すべきはその一覧だ。

両者が代替品でなくなるのはどこか

ミスマッチは品質の問題ではない。仕事の形の問題なのだ。

Mercury 3は拡散言語モデルであり、Inceptionでの呼称はdLLMだ。トークンを1つずつではなく並列に生成するため、スループットが4桁に達するという主張はそもそもそこから生まれている。それが想定するワークロードは、人間が目にしている場面だ。学習支援のヒント、検索生成、会話的に感じられる必要があるサポート返信。Inception自身の顧客の声はすべてその種のものであり、製品の適切な試金石になっている。間違ったヒントは取り返しがつく。2秒の停止は取り返しがつかない。

Nemotron 3.5 Super VL は、その正反対の用途向けに作られている。スクリーンショット、スキャンした文書、グラフ、2分間のビデオクリップを読み取り、ツールを呼び出し、自分で管理するハードウェア上で動作する。想定しているワークロードは、数分間実行されて結果を返すパイプラインであり、誤った抽出は高くつき、5秒の待ち時間は目立たない。同モデルのカードは、マルチモーダルベンチマークの行のすべてがNVIDIAが公開しているオープンツールで実行されたわけではなく、そのいくつかを支える内部スキャフォールディングは将来のリリースで提供予定だと率直に認めている。この注意書きはモデルを失格にするものではない。どの行を自分で再実行してから依存すべきかを教えてくれるものだ。

仕様書が示唆するよりも、両者の重なりは狭い。入力が請求書の山、製品動画、ダッシュボードのスクリーンショットであれば、Mercury 3 はそれを見ることができない。要件がプレーンテキストでの1秒未満の会話ターンなら、自社GPU上の120Bマルチモーダルチェックポイントは、それを得るには非常に高価な方法だ。

どちらのモデルも当社のカタログには掲載されておらず、そのためルーティングに関する助言が変わります。

どちらも、正直に言って「取り扱いなし」という回答です。当社のモデルAPIはInceptionのモデルもNVIDIA Nemotronの項目も返しません。そのため、Mercury 3もNemotron 3.5 Super VLも、現時点で当社を通じて呼び出せるものではありません。Mercury 3を求める方はInception自社のプラットフォームへ進むことになり、そこでは新規アカウントに1億個の無料トークンが付与されます。Nemotronを求める方はHugging Faceからチェックポイントをダウンロードするか、サードパーティのホストを利用することになります。当社にない経路を示唆するより、このように明記する方がよいと考えています。

ここでルーティングレイヤーが依然として役立つのは、実験の周辺部分です。未計測のモデルを評価するには2経路の構成が妥当です。レイテンシーが重要な階層はInceptionのキー経由でMercury 3に送り、フォールバックと難しいケースは当社が実際に提供しているモデルに残します——それらの200以上を1つのOpenAI互換エンドポイントの背後に置き、プロバイダーの定価でマークアップ0%、プロバイダーが劣化した際の自動フェイルオーバー付きで。新しい経路がローンチ記事で示唆されていたより悪いと判明した場合、フォールバックはすでに接続済みで、切り替えはルーティングルールであり、統合プロジェクトではありません。比較のセルフホスト側はそうしたものから何も得られません。なぜなら、ルーティングするものが何もないからです。

決定規則

モデルが何かを見なければならないとき——ページ、スキャン、クリップ——や、データを自社インフラの外に出せないとき、あるいは自前の例でポストトレーニングするつもりのときは、Nemotron 3.5 Super VL 120B-A12B を選べ。ハードウェアの予算は正直に見積もれ。BF16 で H100 4台、または NVFP4 で2台は本物の設備投資であり、インデックス上の26はクラス内の相対スコアであって、フロンティア級のものではない。その指示追従性と長文脈の行が、同モデル自身の表の中では弱い部分であることを受け入れよ。

テキストの回答を人が待っていて、再試行にコストがかからないなら、Mercury 3を選べ。その上で構築する前に、次の2点を受け入れよ。毎秒1,068トークンというのは独立した再現のないベンダー公表値であること、そしてデフォルトのエフォート設定が「low」であること——つまり、自分で実行するベンチマークは、instant、low、medium、highのいずれかを明示的に固定した場合にのみ、他者の結果と比較可能だ。予算は定価の$0.20と$0.70で組め。ローンチ割引には終了日が公表されておらず、$0.10と$0.35で組んだコストモデルには見えない有効期限があるからだ。

答えを最も早く変えるのは、双方にとって同じこと、つまり第三者が同じテストを実施することだ。Artificial AnalysisがMercury 3のページを公開すれば、スループットの主張は検証可能になり、品質に関する疑問はローンチ投稿の一文で終わらなくなる。NVIDIAがBF16とNVFP4の間の精度差を公開すれば、低コストなデプロイ層は根拠なき信仰ではなくなる。どちらかが実現するまで、正直な要約はこうだ。これらのモデルの一方は測定され、もう一方は説明されているだけであり、スペックシートをどれだけ比較してもその隔たりは埋まらない。